Start science KI-Modell kann die Parkinson-Krankheit anhand von Atemmustern erkennen

KI-Modell kann die Parkinson-Krankheit anhand von Atemmustern erkennen

0
KI-Modell kann die Parkinson-Krankheit anhand von Atemmustern erkennen

Zusammenfassung: Ein neu entwickeltes KI-Modell kann die Parkinson-Krankheit erkennen, indem es die Atemmuster einer Person liest. Der Algorithmus kann auch den Schweregrad der Parkinson-Krankheit erkennen und den Fortschritt im Laufe der Zeit verfolgen.

Quelle: Massachusetts Institute of Technology

Es ist bekannt, dass die Diagnose der Parkinson-Krankheit hauptsächlich auf dem Auftreten von motorischen Symptomen wie Zittern, Steifheit und Langsamkeit basiert, aber diese Symptome treten oft mehrere Jahre nach dem Ausbruch der Krankheit auf.

Jetzt, Dina Katabi, Thuan (1990) und Nicole Pham Professorin in der Abteilung für Elektrotechnik und Informatik (EECS) am MIT und leitende Forscherin an der MIT Jameel Clinic, hat ihr Team ein künstliches Intelligenzmodell entwickelt, das die Parkinson-Krankheit erkennen kann. Aus dem Lesen der Atemmuster einer Person.

Das fragliche Werkzeug ist ein neuronales Netzwerk, eine Reihe verbundener Algorithmen, die die Funktionsweise des menschlichen Gehirns nachahmen und anhand ihrer nächtlichen Atmung – den Atemmustern, die während des Schlafs auftreten – beurteilen können, ob jemand an der Parkinson-Krankheit leidet.

Neuronales Netzwerk trainiert von MIT Ph.D. Der Student Yuzhe Yang und der Postdoc Yuan Yuan sind auch in der Lage, den Schweregrad der Parkinson-Krankheit einer Person zu erkennen und das Fortschreiten der Krankheit im Laufe der Zeit zu verfolgen.

Yang und Yuan sind die ersten Co-Autoren eines neuen Artikels, der die Arbeit beschreibt und heute in veröffentlicht wurde Naturmedizin. Katabi, ebenfalls ein Partner des MIT Computer Science and Artificial Intelligence Laboratory und Direktor des Center for Wireless Networking and Mobile Computing, ist der Hauptautor.

Zu ihnen gesellten sich 12 Kollegen der Rutgers University, des University of Rochester Medical Center, der Mayo Clinic, des Massachusetts General Hospital und der Boston University School of Health and Rehabilitation.

Im Laufe der Jahre haben Forscher die Möglichkeit untersucht, die Parkinson-Krankheit mithilfe von Liquor und Neuroimaging zu erkennen, aber diese Methoden sind invasiv, teuer und erfordern den Zugang zu spezialisierten medizinischen Zentren, was sie für häufige Tests ungeeignet macht, die eine Frühdiagnose ermöglichen oder Krankheiten kontinuierlich verfolgen können Fortschreiten.

MIT-Forscher haben gezeigt, dass eine KI-Bewertung der Parkinson-Krankheit jede Nacht zu Hause durchgeführt werden kann, während eine Person schläft und ohne ihren Körper zu berühren.

Zu diesem Zweck entwickelte das Team ein Gerät, das wie ein Wi-Fi-Heimrouter aussieht, aber anstatt einen Internetzugang bereitzustellen, sendet das Gerät drahtlose Signale, analysiert ihre Reflexionen von der Umgebung und extrahiert die Atemmuster einer Person ohne etwas Physisches. Anruf.

Das Atemsignal wird dann dem neuronalen Netzwerk zugeführt, um die Parkinson-Krankheit auf passive Weise zu beurteilen, und der Patient und die Pflegekraft müssen sich nicht anstrengen.

Eine Beziehung zwischen der Parkinson-Krankheit und der Atmung wurde seit 1817 in der Arbeit von Dr. James Parkinson beobachtet. Dies motivierte uns zu der Annahme, dass die Krankheit durch die Atmung erkannt werden kann, ohne auf die Bewegungen zu achten“, sagt Katabi.

Dies zeigt den Umriss des Kopfes an
Neuronales Netzwerk trainiert von MIT Ph.D. Der Student Yuzhe Yang und der Postdoc Yuan Yuan sind auch in der Lage, den Schweregrad der Parkinson-Krankheit einer Person zu erkennen und das Fortschreiten der Krankheit im Laufe der Zeit zu verfolgen. Das Bild ist gemeinfrei

„Einige klinische Studien haben gezeigt, dass respiratorische Symptome Jahre vor dem Auftreten motorischer Symptome auftreten, was bedeutet, dass respiratorische Merkmale für die Risikobewertung vor einer Diagnose der Parkinson-Krankheit vielversprechend sein können.“

Die Parkinson-Krankheit, die weltweit am schnellsten wachsende neurodegenerative Erkrankung, ist nach der Alzheimer-Krankheit die zweithäufigste neurodegenerative Erkrankung. Allein in den Vereinigten Staaten betrifft die Krankheit mehr als 1 Million Menschen und verursacht eine jährliche wirtschaftliche Belastung von 51,9 Milliarden US-Dollar. Das Gerät des Forschungsteams wurde an 7.687 Personen getestet, darunter 757 Patienten mit Parkinson-Krankheit.

Katabi weist darauf hin, dass die Studie wichtige Auswirkungen auf die Arzneimittelentwicklung und die klinische Versorgung der Parkinson-Krankheit hat. In Bezug auf die Arzneimittelentwicklung könnten die Ergebnisse klinische Studien mit viel kürzerer Dauer und weniger Teilnehmern ermöglichen und letztendlich die Entwicklung neuer Behandlungen beschleunigen.

„In Bezug auf die klinische Versorgung kann der Ansatz dabei helfen, Parkinson-Patienten in traditionell unterversorgten Gemeinden zu bewerten, einschließlich derjenigen, die in ländlichen Gebieten leben, und derjenigen, die aufgrund eingeschränkter Mobilität oder kognitiver Beeinträchtigung Schwierigkeiten haben, das Haus zu verlassen“, sagt sie.

„Wir haben in diesem Jahrhundert keine Behandlungsdurchbrüche erzielt, was darauf hindeutet, dass unsere derzeitigen Ansätze zur Bewertung neuer Therapien suboptimal sind“, sagt Ray Dorsey, Professor für Neurowissenschaften an der University of Rochester und Parkinson-Spezialist, der die Forschung mitverfasst hat. Dorsey fügt hinzu, dass die Studie wahrscheinlich eine der größten Schlafstudien ist, die jemals zur Parkinson-Krankheit durchgeführt wurden.

„Wir haben nur sehr begrenzte Informationen über die Manifestationen der Krankheit in ihrer natürlichen Umgebung und [Katabi’s] Das Gerät ermöglicht es Ihnen, realistische und objektive Einschätzungen über die Leistung der Menschen zu Hause zu erhalten.

Die Skala, die ich gerne zeichne [of current Parkinson’s assessments] Es ist eine Straßenlaterne in der Nacht, und was wir von einer Straßenlaterne sehen, ist ein sehr kleiner Teil … [Katabi’s] Der völlig berührungslose Sensor hilft uns, die Dunkelheit zu erhellen.“

siehe auch

Dies deutet auf eine Nervenzelle hin

Über Künstliche Intelligenz und Parkinson-Forschungsnachrichten

Autor: Anne Tranton
Quelle: Massachusetts Institute of Technology
Kontakt: Ann Trafton – Massachusetts Institute of Technology
Bild: Das Bild ist gemeinfrei

ursprüngliche Suche: uneingeschränkter Zugang.
Erkennung und Bewertung der Parkinson-Krankheit mittels künstlicher Intelligenz anhand nächtlicher AtemsignaleGeschrieben von Yuzhe Yang et al. Naturmedizin


Zusammenfassung

Erkennung und Bewertung der Parkinson-Krankheit mittels künstlicher Intelligenz anhand nächtlicher Atemsignale

Derzeit gibt es keine wirksamen Biomarker zur Diagnose der Parkinson-Krankheit (PD) oder zur Verfolgung ihres Fortschreitens.

Hier haben wir ein Modell mit künstlicher Intelligenz (KI) entwickelt, um PD zu erkennen und seinen Fortschritt anhand von nächtlichen Atmungshinweisen zu verfolgen. Das Modell wurde anhand eines großen Datensatzes von 7.671 Personen evaluiert, wobei Daten aus mehreren Krankenhäusern in den Vereinigten Staaten sowie mehrere öffentliche Datensätze verwendet wurden.

Das KI-Modell kann PD mit 0,90 und 0,85 Fläche unter der Kurve in der festen bzw. externen Testgruppe erkennen. Das KI-Modell kann auch den Schweregrad und das Fortschreiten der Parkinson-Krankheit nach der Standardized Parkinson’s Disease Rating Scale for Movement Disorder (R= 0,94, s= 3,6 x 10–25).

Das KI-Modell verwendet eine Aufmerksamkeitsschicht, die es ermöglicht, seine Vorhersagen bezüglich Schlaf und EEG zu interpretieren. Darüber hinaus kann das Modell Parkinson zu Hause ohne Berührung beurteilen, indem es die Atmung aus Radiowellen extrahiert, die während des Schlafs vom Körper einer Person abprallen.

Unsere Studie demonstriert die Machbarkeit einer objektiven, nicht-invasiven häuslichen Bewertung von PD und liefert auch vorläufige Beweise dafür, dass dieses KI-Modell für die Risikobewertung vor der klinischen Diagnose nützlich sein kann.

HINTERLASSEN SIE EINE ANTWORT

Please enter your comment!
Please enter your name here